購物車(0)
基于“深度學(xué)習”識別模型的玉米農(nóng)田監(jiān)測應(yīng)用系統(tǒng)設(shè)計與實現(xiàn)
關(guān)鍵詞：玉米農(nóng)田監(jiān)測 生長階段識別 卷積神經(jīng)網(wǎng)絡(luò) 深度局部關(guān)聯(lián)
摘要：為了精準判斷玉米所處生長階段,遠程實時監(jiān)測玉米長勢,分析生長階段與田間環(huán)境要素間的關(guān)系,本文提出深度局部關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò),克服了玉米生長階段識別中存在的多模態(tài)和模糊性問題,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一個新的監(jiān)督層,即局部關(guān)聯(lián)損失層,提高深層特征的判別能力?；谒岬挠衩咨L階段圖片識別新算法,拓展環(huán)境要素監(jiān)測功能,設(shè)計一套基于深度學(xué)習的玉米農(nóng)田監(jiān)測系統(tǒng)。系統(tǒng)由玉米農(nóng)田監(jiān)測裝置和云端服務(wù)器組成,監(jiān)測裝置采集玉米圖像、氣象要素和田間位置數(shù)據(jù),通過4G無線發(fā)送給云端服務(wù)器,云端服務(wù)器利用深度局部關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)識別生長階段,顯示結(jié)果并存入數(shù)據(jù)庫中。仿真試驗表明,深度局部關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)平均識別準確率達到92.53%,較VGGNet的87.21%和LSTM的88.50%,準確率分別提高了5.32%和4.03%。實地測試結(jié)果表明,野外環(huán)境下系統(tǒng)準確率可達到91.43%,能夠穩(wěn)定地對農(nóng)田玉米生長情況進行監(jiān)測,具有重要的應(yīng)用價值。
氣象科技雜志要求:
{1}作者基本信息：姓名、工作單位、職務(wù)、職稱、學(xué)位。
{2}凡不同意編輯修改稿件者，請在來稿中注明。
{3}標題：一般單獨占行，居左；段首小標題，前空兩格，后空一格。
{4}凡是引用他人文獻、資料，必須加引證注釋，以頁末腳注形式按頁編排。在正文加注釋處右上角以加圈阿拉伯數(shù)字標記，腳注編號位于相應(yīng)標點之外。
{5}正文前應(yīng)有200字左右中文摘要（說明文章的主要內(nèi)容、研究目的、采用方法和主要結(jié)論等）。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
